• 한국터널지하공간학회 논문집
• /
• 제9권1호
• /
• pp.19-28
• /
• 2007

시설물의 안전성을 위한 유지 관리는 시간과 인력에 따른 경비가 상당히 소모되는 작업이다. 특히 인력에 의한 육안 검사에 의해 이루어지는 터널과 같은 시설물 관리에는 많은 시간과 경비가 요구되고 있으며, 데이터의 보관이나 저장 등에 어려움이 많다. 본 연구에서는 이러한 단점을 극복하기 위하여 최근 신기술로 떠오르는 레이저 스캐닝 기술에 의하여 획득한 데이터를 이용하여 터널의 유지 관리에 필요한 정보를 추출하는 접근방법을 제안하고자 한다. 터널의 레이저 스캐닝 데이터는 시작품으로 제작된 레이저 스캐너를 이용하여 촬영하였으며, 고밀도 점 데이터의 형태로 저장된 자료를 이용하였다. 터널의 스캐닝 데이터의 기하학,광학적 특성을 이용하여 터널 내부에 장착된 시설물들을 제거 한 후, 터널의 라이닝 상에 나타나는 물리적인 손상부위나 균열을 탐지하는 방법을 제시한다. 물리적인 손상부위는 터널의 라이닝이 성립하는 면을 기준으로 근접성을 바탕으로 탐지된다. 이 연구에서는 제안된 알고리즘을 적용하여 현장의 디지털 사진에서 확인할 수 있는 물리적인 손상 부위를 탐지 할 수 있었다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.451-457
• /
• 2018

본 연구는 인공지능 분야의 딥러닝 기술을 기반으로 한 하수관 손상의 자동 탐지 분류 시스템을 제안한다. 성능의 최적화를 위하여 DB 획득 시 발생된 조도 및 그림자 변화와 같은 다양한 환경변화에 강인한 시스템을 구현하였다. 제안된 시스템에서는 Convolutional Neural Network(CNN) 기반의 균열 탐지 및 손상 분류 기법을 구현하였다. 최적의 결과를 위하여 $256{\times}256$ 픽셀 해상도의 CCTV 영상 9,941개를 이용하여 CNN모델을 적용하여 손상부위에 대한 딥러닝을 수행하였고 그 결과 98.76 %의 인식률을 획득하였다. 기계학습을 통한 딥러닝 모델을 기반으로 다양한 환경의 하수도 DB에서 $720{\times}480$ 픽셀 해상도의 646개의 이미지를 추출하여 성능 평가를 수행 하였다. 본 시스템은 다양한 환경에서 구축된 하수관 데이터베이스 에서 손상 유형의 자동 탐지 및 분류에 최적화된 인식률을 제시한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권3호
• /
• pp.11-20
• /
• 2022

이 연구의 주요 목적은 고속철도 콘크리트 궤도 슬래브의 콘크리트 슬래브(track concrete layer, TCL)와 도상안정층(hydraulically stabilized based course, HSB) 사이 층분리를 평가하기 위한 비파괴검사법으로 전단파 토모그래피 기술의 활용가능성을 실험적으로 확인하는 것이다. 이를 위하여 다채널 전단파 측정 장치(MIRA)를 활용하여 실물 크기로 제작된 고속철도 콘크리트 궤도 슬래브 실험체 내부의 층분리 결함을 평가하였다. 실물실험체는 Rheda 2000 시스템에 따라 설계 및 시공되었으며, 노반 위에 HSB를 타설하고, 그 위에 TCL이 타설된 2층 슬래브 구조를 갖는다. 실물실험체는 일부구간의 HSB상부에 스티로폼으로 제작된 인공결함(가로 및 세로가 각각 400mm이고 두께가 각각 5mm, 15mm인 압출폴리스티렌폼(XPS)보드 2개)을 삽입하여, TCL과 HSB 사이에 층분리 결함이 생기도록 시공하였다. 시험체의 층분리 구간에서 얻은 콘크리트 단층이미지는 층분리에 따른 균열 및 HSB와 지반사이의 계면에서 반사되는 신호를 효과적으로 보여 주었다. 한편 초음파 토모그래피 이미지에서 TCL 콘크리트의 매입물(철근, 트러스, 인서트 등)에서 반사된 신호와 층분리 결함 신호를 구분하기 위한 노이즈 제거를 위한 이미지 처리방법을 적용하여 층분리 결함을 효과적으로 분리하였다. 토모그래피 이미지에서 추출된 층분리 결함의 크기정보와 공간정보를 통합하여 층분리 지도로 재구성하였으며, 층분리 결함의 위치 및 크기를 시각화하는데 효과적인 것을 확인하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권5호
• /
• pp.30-39
• /
• 2023

국가의 중요 방재시설인 대형 댐 시설물은 노후화와 홍수, 지진 등의 위험으로 디지털 전환 기술을 적용한 보다 나은 댐 안전점검 및 진단이 필수적이다. 종래의 인력에 의한 육안 안전점검 방식은 인력 접근의 어려움과 고소작업의 위험성, 노하우 중심의 점검에서 오는 데이터의 신뢰성 등의 문제가 있었다. 본 연구에서는 2개 대규모 댐 시설물을 대상으로 드론 photogrammetry에 의한 디지털 데이터 기반 댐 안전점검의 적용성을 검토하고, 지속적 활용을 위한 데이터 관리 방법론을 제시하였다. 댐 높이 42 m 및 99.9 m의 댐들에 대해 수면 및 전자기장 간섭, 심한 고저차에도 불구하고 평면적 더블그리드 및 수동 촬영 방식으로 GSD 2.5 cm/pixel 이내의 양호한 3D 디지털 모델을 생성하였다. 생성된 3D 메쉬 모델, 정사영상, 수치표면모형으로 as-built 조건의 종단 및 횡단 선형을 손쉽게 추출하여 댐의 변형 모니터링에 효과적임을 확인하였다. 댐 여수로 등 콘크리트 시설물에 대한 디지털 3D 모델로부터 균열 및 손상부를 효과적으로 검출하고 시각화하였으며, 이는 고소작업의 위험성 및 접근 제약 시설의 안전점검에 활용가능하다. 또한 댐의 안전점검 시 외관 조사망도를 3D 디지털 모델 상에서 매핑하는 방법과 손상 정보 이력 관리를 위한 관계형 데이터베이스 구조화 방안을 제안하였다. SYG댐 여수로 안전점검에 대한 투입 노동력과 시간을 실측한 결과, 드론 photogrammetry 방법은 기존 인력 육안점검에 비해 48%의 생산성 향상 효과를 확인하였다. 드론 photogrammetry 기반 댐 안전점검 디지털 전환은 업무의 생산성과 데이터 신뢰성 향상에 매우 효과적인 것으로 판단된다.